【智能制造】智能工厂怎么建？

2018 年 5 月 5 日 产业智能官 普实软件

在当前智能制造的热潮之下，很多企业都在规划建设智能工厂。那么，智能工厂的规划要考虑哪些核心要素？关注哪些维度？

1智能厂房设计

智能工厂的厂房设计需要引入BIM（建筑信息模型），通过三维设计软件进行建筑设计，尤其是水、电、汽、网络、通信等管线的设计。同时，智能厂房要规划智能视频监控系统、智能采光与照明系统、通风与空调系统、智能安防报警系统、智能门禁一卡通系统、智能火灾报警系统等。采用智能视频监控系统，通过人脸识别技术以及其他图像处理技术，可以过滤掉视频画面中无用的或干扰信息、自动识别不同物体和人员，分析抽取视频源中关键有用信息，判断监控画面中的异常情况，并以最快和最佳的方式发出警报或触发其它动作。

整个厂房的的工作分区（加工、装配、检验、进货、出货、仓储等）应根据工业工程的原理进行分析，可以使用数字化制造仿真软件对设备布局、产线布置、车间物流进行仿真。在厂房设计时，还应当思考如何降低噪音，如何能够便于设备灵活调整布局，多层厂房如何进行物流输送等问

2智能产线规划

智能产线是智能工厂规划的核心环节，企业需要根据生产线要生产的产品族、产能和生产节拍，采用价值流图等方法来合理规划智能产线。智能产线的特点是：在生产和装配的过程中，能够通过传感器、数控系统或RFID自动进行生产、质量、能耗、设备绩效（OEE）等数据采集，并通过电子看板显示实时的生产状态，能够防呆防错；通过安灯系统实现工序之间的协作；生产线能够实现快速换模，实现柔性自动化；能够支持多种相似产品的混线生产和装配，灵活调整工艺，适应小批量、多品种的生产模式；具有一定冗余，如果生产线上有设备出现故障，能够调整到其他设备生产；针对人工操作的工位，能够给予智能的提示，并充分利用人机协作。

设计智能产线需要考虑如何节约空间，如何减少人员的移动，如何进行自动检测，从而提高生产效率和生产质量。企业建立新工厂非常强调少人化，因此要分析哪些工位应用自动化设备及机器人，哪些工位采用人工。对于重复性强、变化少的工位尽可能采用自动化设备，反之则采用人工工位。

3精益生产

精益生产的核心思想是消除一切浪费，确保工人以最高效的方式进行协作。很多制造企业采取按订单生产或按订单设计，满足小批量、多品种的生产模式。智能工厂需要实现零部件和原材料的准时配送，成品和半成品按照订单的交货期进行及时生产，建立生产现场的电子看板，通过拉动方式组织生产，采用安东系统及时发现和解决生产过程中出现的异常问题；同时，推进目视化、快速换模。很多企业采用了U型的生产线和组装线，建立了智能制造单元。推进精益生产是一个持续改善的长期过程，要与信息化和自动化的推进紧密结合。

4制造执行系统

MES（制造执行系统）是智能工厂规划落地的着力点，MES是面向车间执行层的生产信息化管理系统，上接ERP系统，下接现场的PLC程控器、数据采集器、条形码、检测仪器等设备。MES旨在加强MRP计划的执行功能，贯彻落实生产策划，执行生产调度，实时反馈生产进展；

面向生产一线工人：指令做什么、怎么做、满足什么标准，什么时候开工，什么时候完工，使用什么工具等等；记录“人、机、料、法、环、测”等生产数据，建立可用于产品追溯的数据链；反馈进展、反馈问题、申请支援、拉动配合等；
面向班组：发挥基层班组长的管理效能，班组任务管理和派工；
面向一线生产保障人员：确保生产现场的各项需求，如料、工装刀量具的配送，工件的周转等等。

为提高产品准时交付率、提升设备效能、减少等待时间，MES系统需导入生产作业排程功能，为生产计划安排和生产调度提供辅助工具，提升计划的准确性。

5工厂智能物流

推进智能工厂建设，生产现场的智能物流十分重要，尤其是对于离散制造企业。智能工厂规划时，要尽量减少无效的物料搬运。根据每个客户订单集中配货，并通过RGV配送到装配线，消除了线边仓。

离散制造企业在两道工序之间可以采用带有导轨的工业机器人、桁架式机械手等方式来传递物料，还可以采用AGV、RGV（有轨穿梭车）或者悬挂式输送链等方式传递物料。在车间现场还需要根据前后道工序之间产能的差异，设立生产缓冲区。立体仓库和辊道系统的应用，也是企业在规划智能工厂时，需要进行系统分析的问题。

6生产质量管理

提高质量是工厂管理永恒的主题，在智能工厂规划时，生产质量管理更是核心的业务流程。质量保证体系和质量控制活动必须在生产管理信息系统建设时统一规划、同步实施，贯彻质量是设计、生产出来，而非检验出来的理念。

质量控制在信息系统中需嵌入生产主流程，如检验、试验在生产订单中作为工序或工步来处理；质量审理以检验表单为依据启动流程开展活动；质量控制的流程、表单、数据与生产订单相互关联、穿透；按结构化数据存储质量记录，为产品单机档案提供基本的质量数据，为质量追溯提供依据；构建质量管理的基本工作路线：质量控制设置-检测-记录-评判-分析-持续改进；质量控制点需根据生产工艺特点科学设置，质量控制点太多影响效率，太少使质量风险放大；检验作为质量控制的活动之一，可分为自检、互检、专检，也可分为过程检验和终检；质量管理还应关注质量损失，以便从成本的角度促进质量的持续改进。对于采集的质量数据，可以利用SPC系统进行分析。制造企业应当提升对QIS（质量管理信息系统）的重视程度。

7生产无纸化

生产过程中工件配有图纸、工艺卡、生产过程记录卡、更改单等纸质文件作为生产依据。随着信息化技术的提高和智能终端成本的降低，在智能工厂规划可以普及信息化终端到每个工位，结合轻量化三维模型和MES系统，操作工人在工位上刷RFID卡将可在HMI（人机交互界面）接受工作指令，接受图纸、工艺、更单等生产数据，可以灵活第适应生产计划变更、图纸变更和工艺变更。

8设备管理

设备是生产要素，发挥设备的效能（OEE—设备综合效率）是智能工厂生产管理的基本要求，OEE的提升标志产能的提高和成本的降低。生产管理信息系统需设置设备管理模块，使设备释放出最高的产能，通过生产的合理安排，使设备尤其是关键、瓶颈设备减少等待时间；在设备管理模块中，要建立各类设备数据库，设置编码，及时对设备进行维保；通过实时采集设备状态数据，为生产排产提供设备的能力数据；企业应建立设备的健康管理档案，根据积累的设备运行数据建立故障预测模型，进行预测性维护，最大限度地减少设备的非计划性停机；要进行设备的备品备件管理。

9数据采集

生产过程中需要及时采集产量、质量、能耗、加工精度和设备状态等数据，并与订单、工序、人员进行关联，以实现生产过程的全程追溯。出现问题可以及时报警，并追溯到生产的批次、零部件和原材料的供应商。此外，还可以计算出产品生产过程产生的实际成本。

企业需要根据采集的频率要求来确定采集方式，对于需要高频率采集的数据，应当从设备控制系统中自动采集。企业在进行智能工厂规划时，要预先考虑好数据采集的接口规范，以及监控和数据采集系统的应用。

10能源管理

为了降低智能工厂的综合能耗，提高劳动生产率，特别是对于高能耗的用电单元，进行能源管理是非常有必要的。采集能耗监测点（烘箱、变配电、照明、空调、电梯和重点设备）的能耗和运行信息，形成能耗的分类、分项、分区域统计分析，可以对能源进行统一调度、优化能源介质平衡，达到优化使用能源的目的。

同时，通过采集重点设备的实时能耗，还可以准确知道设备的运行状态（关机、开机还是在加工），从而自动计算OEE。通过感知设备能耗的突发波动，还可以预测刀具和设备故障。此外，企业也可以考虑在工厂的屋顶部署光伏系统，提供部分能源。

科兴电器对烘箱、浇注设备、空调系统等耗能设备进行重点监控，对于非生产时间的能耗进行追溯，对生产线每个工位的能耗进行检测，将节能的责任分配到班组，从而节约能源。

11工业安全

企业在进行新工厂规划时，需要充分考虑各种安全隐患，包括机电设备的安全，员工的安全防护，设立安全报警装置等安防设施和消防设备。同时，随着企业应用越来越多的智能装备和控制系统，并实现设备联网，建立整个工厂的智能工厂系统，随之而来的安全隐患和风险也会迅速提高，现在已出现了专门攻击工业自动化系统的病毒。因此，企业在做智能工厂规划时，也必须将工业安全作为一个专门的领域进行规划。

12数据分析与应用

通过大数据中心可以查看生产线上各个设备和仪表的状态，但绝大多数离散制造企业还没有建立生产监控与指挥系统。

实际上，离散制造企业也非常需要建设集中的生产监控与指挥系统，在系统中呈现关键的设备状态、生产状态、质量数据，以及各种实时的分析图表。

数据是智能工厂建设的血液，在各应用系统之间流动。在智能工厂运转的过程中，会产生设计、工艺、制造、仓储、物流、质量、人员等业务数据，这些数据可能分别来自ERP、MES、APS、WMS、QIS等应用系统。因此，在智能工厂的建设过程中，需要一套统一的标准体系来规范数据管理的全过程，建立数据命名、数据编码和数据安全等一系列数据管理规范，保证数据的一致性和准确性。

总之，要做好智能工厂的规划，要从各个视角综合考虑，从投资预算、技术先进性、投资回收期、系统复杂性、生产的柔性等多个方面进行综合权衡、统一规划，从一开始就避免产生新的信息孤岛和自动化孤岛，才能确保做出真正可落地，既具有前瞻性，具有实效性的智能工厂规划方案。同时，还可以基于这些维度来建立智能工厂的评估体系。

智能工厂的规划是一个十分复杂的系统工程，需要企业的生产、工艺、IT、自动化、设备和精益等部门通力协作；同时，也需要引入专业的工厂设计和智能制造咨询服务机构深入合作。

吉利数字化工厂的实践干货

来源：168大数据

编者按：智能制造是《中国制造 2025》战略的主攻方向，在新的产业竞争环境下，决定竞争成败的关键不再是设施规模、低劳动力成本等因素，技术管理软实力和科技创新能力对竞争力的贡献更为突出。这对于总体处于 " 工业 2.0" 补课、" 工业 3.0" 局部应用的国内汽车企业提出了严峻挑战。基于上述产业背景，12 月 19 日，由车云主办的《2017 中国汽车智能制造论坛》在北京开幕，探讨汽车制造业如何通过产品创新和管理变革，有效利用信息技术、自动化技术、智能化技术建立差异化竞争优势，从而缩短产品上市周期、降低成本、提升产品质量，满足日益增长的个性化需求，敏捷应对市场变化，在激烈的竞争中实现可持续发展。

以下是浙江吉利控股集团有限公司制造工程 ( ME ) 中心数字化工厂部部长张喆关于《吉利汽车数字化转型、精益运营、数字化管理和智能物流的发展》的发言内容：

今天我要分享的是吉利汽车的数字化转型、精益运营、数字化管理和智能物流的发展。

了解我的人都知道，我在一个月前发生了一些职位的变化，除了在管理整个数字化工厂之外，现在工厂、焊装、自动化等等也都在管。吉利建立数字化工厂的时间并不长，只有短短的两年半，这两年半里我们一直在想如何把数字化工厂给做好。这个过程当中碰到了很多阻碍，有很多风险。

到今天我们回顾这两年半的工作发现，其实数字化工厂不光是某个部门来做的，所以在我们未来的规划当中，明年我们就会真正在焊装、总装、涂装、冲压以及物流，还包括 IT 一些相关部门，来真正打造吉利 3.0 工厂，甚至是未来 4.0 工厂的迈进。

目前吉利控股集团中，包括高端的沃尔沃、领客以及最近收购的马来西亚的品牌等，无论是老基地的改造还是新基地的投产，我们数字化工厂都会进行部署。

我们为什么要做数字化工厂？目的是两个：第一是降低成本，第二是提高产品质量。

我记得在一个多月前我们有一家合作伙伴也组织了一场论坛，有人在台下问我，数字化工厂是花钱的那怎么能够降低成本？的确是这样，从表面上看我们每年对数字化工厂投入的金额是很巨大的，包括领导的支持也是很巨大的。而一旦实施数字化工厂，我们相关的成本都可以大幅度降低，另外运营成本也是降低的。

今天主要是从四个方面来讲：生产物流数字化、生产技术数字化、数据平台数字化以及数字化智能制造。我会拿一些我们数字化工厂已经在做的案例来进行分享。

我相信在座的所有人，一旦谈到中国制造 2025、工业 4.0，每个人脑海里都有不一样的概念，希望我们接下来我们的案例或者是剖析能够引起大家的共鸣，大家一起为了中国制造 2025、工业 4.0 这样个愿景一起来迈进。

我们从去年开始做工厂物流，我们会对 3D 物流模型进行搭建，这在很多车厂里是很常用的，包括我们会对交通路口通过等进行计算。同时我们对能耗进行监控及仿真，然后跟实际数据进行对比。今后我们都会使用这样的系统对所有新工厂进行规划。

数字化工厂有一块仿真业务，包括对冲压车间验证，焊装车间是全线体验证，涂装会对喷涂进行模拟，总装更多的是偏向于装配以及人机工程验证。

我在规划领域做了十几年，在加入吉利之前也有在很多单位工作过，大家都有一个认识和共鸣是什么呢？仿真跟现场其实是有脱节的。仿真是仿真、实际是实际，如果有做生产制造的人应该知道，所有的仿真数据仅供参考。如果在座的有机器人工程师、机械工程师的话，想必大家更清楚，仿真做的是不能直接上线上自动运行的。

吉利数字化工厂经过两年的探索，目前我们把整个现场跟仿真的差距已经缩短到了 3 毫米。所以说，我们所见即是所得。我们在仿真里面所做的所有的工作、看到的所有的情景跟现场最大的误差就是 3 毫米。

从去年开始，我们的数字化双胞胎已经在两到三个工厂里面成功实施了。从明年开始吉利所有的项目都会在技术协议里面写入我们会有虚拟技术调试技术，来要求供应商进行部署实施。

在那么多仿真工作基础上，吉利目前有两个平台来进行 CRM 的部署，一个就是 Telematics，另外一个会在后年逐步进行切换的 TCenvironment。我们会优先于其他几个专业，会在明年年底率先切换，进行部署应用。

图上可以看到通过整个这些环节，所见即所得，虚拟和实物可以做到完全一样。

截至目前为止，数字化工厂已经对点云平台，对标准体系、工作流程都进行开发。目前我们还有另外一个小团体，他们更多的是基于二次开发。

明年我们会把整个数字化工厂经验系统进行部署，它会通过经验库系统，把吉利总结的经验教训全部统计到经验库系统里面，把我们的 ERP、AI 系统等等，共同打造成经验库系统。

基于整个平台，我们有分成一个平台四个系统来进行大数据、SAP 等等系统，把它全部串联到数字化的平台当中。想必大家以前是通过电脑来连接整个系统的，我们在调研过程当中发现现在年轻人为多，所以除了在 IE 平台开发之外，我们所有数字化系统都可以通过 Android 和苹果系统来进行开发，在我的手机里已经可以实时对吉利数字化系统进行访问。

很多人说，两年多来吉利数字化工厂除了在做那些具体工作之外，还做了哪些东西？其实两年多来我们更多的时间是花在数字化标准体系建立、平台搭建及规范、资源数据库搭建以及业务数据库规范管理。

为什么会这样说呢？截止到目前，整个吉利包括领客工厂目前在国内有十几个基地在同时生产我们的汽车，每一家工厂的工艺、设备各有千秋，那如何把这些工艺、设备做成标准化、统一化？可口可乐无论是在德国、美国、中国，你品尝到的可口可乐都是同一个味道的。那么汽车能不能也这样发展？我们吉利汽车能不能也往这方面发展？

这张图里所看到的就是截取的某一个工厂的图，我们十几个基地都实现了这样的技术，在控制端在电脑端就可以对十几个工厂进行静态的可视化的操作，包括里面的设备位置以及它们之间的距离等等。在完成整个工厂 3D 可视化之后，就开始来对工厂进行网格化的监控管理。这里面就是截取于我们某一个工厂某一条线体来进行的实施。看到这里可能很多人会讲，这不就是工厂漫游嘛，类似于 Google 街景这样的东西，其实我们进行网格化管理之后，随后在进行工厂漫游的情境之下，我们又添加了一些新功能，比如说我们漫游到某一处的时候可以点击某一个设备看到它的运行状态、生产图纸，也可以走到某一个工序边上进行双击可以看到它的工序步骤。换句话说，我们也希望通过这样一个工厂漫游实现的不仅仅是一个展示，更多的是对于整个规划人员、操作人员、维修人员，真正可以用的全方位的设备的监控。

在监控完成之后我们又涉及到了另外一个事情，就是很多在座的生产的人都知道，我们现在生产的数据 99% 都是无用的数据。所以我们吉利数字化工厂在今年 4 月份的时候，在诺挪威那边跟一家友商达成了一系列框架协议，我们使用了工业大数据这样一个平台。当然整个吉利的工业大数据不仅仅体现在某一个合作伙伴上，截至目前为止我们已经包括跟西门子、阿里、百度、英特尔都建立了联系，在整个工业大数据上进行探索。

当然谈到工业大数据，我们想把它展开。工业大数据对于整个汽车甚至于整个吉利的生产制造它的作用在哪里？我们之前有过调研，我在两个半月以前，我们跟亚马逊（美国）通了电话，随后亚马逊的一个产品经理用了将近一个小时试图说服我他们的数据是如何庞大、如何好，如何使用他们的大数据。结果我们在做内部评审时，我问了团队里这样一句话？我们为什么要大数据？大数据能为我们带来什么样的好处？当很多的人都在关注数据如何安全、数据传递如何实时化的时候，作为生产制造，我们是不是更应该关注到那些数据能给我们带来什么价值？我们能获取哪些数据？

所以整个团队换了一种思路，我们从整个生产实时数据来进行获取，我们自己来定义哪些数据是需要获取的、哪些数据是可以抛弃的。我们跟一家合作伙伴经过了两个多月的部署实施，我们发现数据里面 99.9% 的数据都是无用数据、都是可以被丢弃的数据。那么剩下的 0.1% 的数据可以说真正的会给我们吉利汽车生产制造、提升、预防维护是至关重要的。那么最后我们需要对数据进行挖掘得到最佳的参数。最终我们的生产与能源耦合系统也会介入其中。

这个图是我在某个基地里面实施了两个月的数据监控。其实在这张表中大家可以看到整个数据前面相对来说是比较平稳的，到后面发生了一些裂变。我为什么拿这张图说明？吉利当初在做大数据的时候，其实也不是抱有太大的信心。我觉得可能需要一年两年三年才能有成果。但是当我拿到这份报告时的确震惊到我，因为就通过两个月的监控，随后那家供应商就花了 16 个小时整个数据的挖掘进行改善，最终改造前跟改造后，我们的节拍可以提升 4 秒钟。所以基于这样的值，我们在明年整个数字化工厂会把大数据作为一个重点目标来进行推进。

我们再回顾一下数字化工厂。其实前面讲了那么多，整个数字化工厂所做的就是对于仿真进行验证、对于数字化双胞胎进行部署实施，当然我们已经有两个基地采取到了数字双胞胎技术。明年我们会对所有新生产线全部使用数字化双胞胎理念。最终我们在明年会启动智慧工厂项目，除了之前谈到的 ERP 等系统之外，我们会把整个包括 AI、AR/VR 技术以及类似于工厂漫游的技术，都融入到智慧工厂里面，最终在这样的基础上来实现整个数字化工厂。

数字化双胞胎场景的应用，会有几个关键点。首先就是仿真数据跟现场数据它们的误差只有 13 毫米。第二个值就是所有的 CT 节拍所有的误差控制在了 0.5 秒。第三个是所有机器人在仿真里面的数据跟现场是完全一样的。我们可以在这样一个控制室，我们在控制室里面可以控制现场任何一台机器人的启动、停止，可以调动现场任意一个程序。当然现场所有的信号、程序都可以实时反馈到监控室里面，让监控室实时同步的对生产现场环境进行模拟监控。

我们的第二个实验室就是人机工程实验室。在左下角可以看到通过整个人机工程实验室可以把很多人机工程上的问题，通过可穿戴设备进行模拟验证。这有点像拍电影，其实灵感来源于哪里呢？三年前在我离开前一家公司的时候，我带着全家去了美国，当时在拍电影。拍电影，尤其是拍科幻电影很简单，就在单色的背景前面一些人穿着可穿戴设备、传感器做所有动作，那些动作被输到电脑里进行合成。所以吉利数字化工厂，我们就在想能不能进行跨行业结合。所以我们借鉴了电影技术，也购买了拍电影的穿戴设备。原来我们进行的都是静态的验证，但是到现场我们突然发现，现场操作工因为地域差别、启停差异等，仿真还是有很大差别的。但是我们应用一套可穿戴设备，把真实功能所有动作通过仿真可以 100% 的做出来，用红色、黄色、绿色来识别某一个关节某一个动作的差异。当然通过这样一套传感器技术，我们除了对于人体大的 74 个环节进行模拟之外，甚至可以拆分到具体动作，比如手指关节动作、头部运动动作，都可以进行自定义。

第三个实验室也是很引以为豪的，就是 VR 实验室。我们会利用 K5 系统来对整个吉利的 CAD、CAE、评审进行实时的验证。明年我们这个实验室就会建立完毕，如果大家有兴趣的话也可以届时来我们实验室进行交流参观。谢谢大家！

自动化生产线与智能制造生产线的区别

很多行业的企业高度依赖自动化生产线，比如钢铁、化工、制药、食品饮料、烟草、芯片制造、电子组装、汽车整车和零部件制造等，实现自动化的加工、装配和检测，一些机械标准件生产也应用了自动化生产线，比如轴承。

智能产线的特点

现场总线是当今自动化技术发展的热点，现场总线系统既是一个开放的通信网络，又是一种低成本、高可靠性的分布式控制系统。处于总线上的任何设备可不分类型、不限功能地对其实施集中控制和管理。PLC（可编程控制器）集中控制系统在上位计算机及集中控制管理器控制下可根据需要设置多个管理层次，例如设为现场控制层、中间监控层和企业管理层三个级别的管理层次。现场控制层着重实施对各类设备的实时管理和监控，进一步可建立自动化设备工艺参数选择系统，实现自动化设备工艺参数在线智能选择；中间监控层着重产品产量、质量统计和生产调度；企业管理层着重决策支持，建立生产过程数据库，可以以数据共享方式与企业管理网络建立信息交换，甚至与Internet连接，可实现公司、部门对生产厂的远程监控及生产调度，真正实现管理、控制一体化。只有合理可靠的电气控制系统才能保证生产的工艺和产品的高质量。

在生产和装配的过程中，能够通过传感器或RFID自动进行数据采集，并通过电子看板显示实时的生产状态；

能够通过机器视觉和多种传感器进行质量检测，自动剔除不合格品，并对采集的质量数据进行SPC分析，找出质量问题的成因；

能够支持多种相似产品的混线生产和装配，灵活调整工艺，适应小批量、多品种的生产模式；

具有柔性，如果生产线上有设备出现故障，能够调整到其他设备生产；

针对人工操作的工位，能够给予智能的提示。有源阵列彩色显示屏，实时显示生产线的状态信息，可使操作人员在任何工位都能看到全线的生产状况，包括每个工位的工作模式、是否完工以及安全状态等。通过相应的画面可以随时了解本工段生产统计信息，包括目标产量、当前产量、每个工位的工作时间、故障时间和交接班情况等。生产信息还可以通过工业以太网传送到车间管理网，生产管理人员可以随时查看目前和历史生产情况，做出及时、准确的计划。通过以太网可以和上、下游输送线的PLC进行信号通信，实现在控制层面上的无缝连接，从而实现车间级的全自动。

在现代化、大规模的汽车整车和零部件生产行业中，对各类生产数据、质量信息的实时采集，并根据需要及时地向物料管理、生产调度、产品销售、质量保证、计划财务以及其他相关的各部门传送各类信息，这对原材料供应、生产度、销售服务、质量监控、成本核算等都有着重要的作用，同时此数据对整车的质量跟踪和售后服务有重要的意义。
由于生产，质量数据属动态信息，不仅数据量大，而且内容庞杂，且由于此数据不仅用于生产统计及质量监控等面，同时还具有对整车终身质量跟踪等功能，因而必须保证数据准确；另外，出于对劳动生产率等方面的考虑，不可能现场的每个网点都设定专人负责数据输入，所以数据的采集只能由生产工人用最简单的操作来完成,在中国的汽车行业，越来越多的客户向他的供应商要求条码标签的提供，从产品到包装，甚至延伸到单据（看板）客户的要求是有时间限制的，您肯定不愿意失去一位非常有价值的客户。这种需求是贯穿汽车行业的整个供应链的。在整个行业对物流效率和成本的强烈需求下，客户更希望在货物接收、路线操作和仓库系统中实施自动化。条形码术为客户提供了完备、准确和及时的信息。从收货、配料、生产流程的跟踪和管理，并且延伸到关键部件和质量的跟踪。

通过自动化数据采集（扫描），改善了数据输入的准确性和速度。传统的人工作业不仅错误率高，而且重复工作（据填写-计算机录入），时效性差，更无法有效实现生产过程的跟踪和管理。JIT是汽车行业的物流趋势和特征。以总装为起点，越来越对物流运作的高效、准确、高时效提出更高的要求。条码技术提供了完全的执行解决方案。条码是一系统，条码标签是系统中的数据载体，提供了数据采集的基础。

智能产线最典型的案例是西门子成都电子工厂的总装线。作为西门子在德国安贝格之外的首家“数字化企业”，西门子工业自动化产品成都生产研发基地（SEWC）实现了从产品设计到制造过程的高度数字化。

▲成都电子工厂的总装线

整个工厂实现了无纸化生产，所有的生产实时数据，包括各种质量数据、产能数据、需求数据、生产订单数据等都以在线的方式在IT系统里面显示。生产过程中，物料的运输是完全自动化的。

当生产过程中需要某种物料时，屏幕上会有提示，然后工人会拿着扫描枪，在物料样品上进行扫描，条码信息传输到工厂的自动化仓库之后，会由自动化的物流系统去仓库的指定位置取指定的物料，然后通过自动提升机，将物料传送到生产线附近。

SEWC还充分体现了灵活性方面的优势。生产线上有很多“小车”在有条不紊地运行。这些“小车”是运输原材料的载体，小车上面记载着生产的数据和信息。

通过RFID（射频识别）技术，可以对生产进行规划，比如采用什么样的生产方式和工艺，以及什么样的原材料，都可以在这条线上自由地选择，从而实现“混线生产”。

自动化产线的特点

采用自动化生产线进行生产的产品应有足够大的产量；

产品设计和工艺应先进、稳定、可靠，并在较长时间内保持基本不变；

在大批、大量生产中采用自动线能提高劳动生产率，稳定性和产品质量。

智能产线在我国制造企业的应用还处于起步阶段，但必然是发展的方向。

目前，汽车、家电、轨道交通等行业的企业对生产和装配线进行自动化、智能化改造需求十分旺盛，但并非所有工序都适合进行自动化、智能化改造。

人工智能赛博物理操作系统

AI-CPS OS

“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。

AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。

领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：

重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？
重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？
重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？

AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：

精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。
智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。
高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。
不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。
边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。

AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：

创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；
对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；
人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。

给决策制定者和商业领袖的建议：

超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；
迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新
评估未来的知识和技能类型；
制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开
发过程中确定更加明晰的标准和最佳实践；
重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临
较高失业风险的人群；
开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。” 《论语·子路》云计算、大数据、物联网、区块链和人工智能，像君子一般融合，一起体现科技就是生产力。

如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！

新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。

产业智能官 AI-CPS

用“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能），在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。